掌上百科 - PDAWIKI

 找回密码
 免费注册

QQ登录

只需一步,快速开始

查看: 6386|回复: 217

[工具] ⚜【支持超大文件】Python MDX词典打包工具 2019-11-19更新

  [复制链接]
  • TA的每日心情
    奋斗
    2020-3-14 07:50
  • 签到天数: 245 天

    [LV.8]以坛为家I

    发表于 2019-10-9 03:46:36 | 显示全部楼层 |阅读模式
    本帖最后由 lgmcw 于 2020-1-6 21:16 编辑
    $ T7 ]0 d+ y( [4 g" j. ?8 q5 ^% S5 r, `" J9 E' |0 E6 y6 ~2 E- P
    这帖target的是硬核玩家,希望对有需要的人有所帮助。代码比较乱,拖了好久都懒得整理,正好朋友又找我需要,趁着一鼓作气整理出来就正好也贴在论坛里吧。我这里不跟进你那边的环境调试了,如果有运行错误自己修一下(python3可参考楼下的修改经验);不过还是鼓励回帖反馈。对我以后做新人友好版有帮助。
    5 }! L8 U& _( \  o! f; e以后我会做一款带GUI的,针对小白玩家。. L$ z( s" U* ?: c2 s$ q

    ; R+ V9 a  C/ V6 E$ W入口文件,运行genMDX_ox4.py即可开始打包,附了一个牛津4的txt源码,我已经调试好,确保在我这里能工作,下载后可以直接运行用来测试程序。我的所有字典都是用这个程序打包,暂时没什么大问题。词条数最多我试过的简明英汉400多万词头;体积最大的OED,txt源码就有2.4G;这些打包都毫无压力。不过我这边还在用老古董python2.7;python3应该也能用,如果报错,可能需要自己debug一下。0 n  n8 B3 Y  z% g1 h# W
    genMDX_ox4.py is the entrance file you want to use in CMD/terminal. I've also enlcosed a OALD4_azure.txt for testing purpose. , a% v, ~. H' y1 E/ Q/ }
    4 x" L( i8 Z! E- w
    ) |$ ~2 B+ [8 J9 v1 J0 z9 w
    9 F, q% w* h, C2 c  s2 Z# |
    Windows下运行举例(需安装python):
    / R7 N$ f6 @5 u% h; H% p! n4 G5 j5 D' C' ?$ O, `/ w

    6 p* L2 l( D' u& l相较于原版我主要改了两个地方:
    1 C) q/ ^; h  l! @7 |% j" p+ R$ V& @1. 在代码里,以前一个字典的key只能对应唯一个value。而MDict完全支持多个相同词头对应多个意思。所以我改了代码,让一个字典的key可以对应多个value3 v6 l# }& A1 e8 x# F3 ?8 Z
    2. 修改排序算法,原版是用的默认python排序,输出的文件在MDict简直不能查。GD勉强能查。
    4 ?! F) a; K3 w- ^3 C7 J. X; |9 y4 M3 Z* r0 c
    * X6 l! ^9 T6 [7 f! \, O' q
    / p. t5 ?; z" N
    Python实现的txt转MDX代码:
    游客,本帖隐藏的内容需要积分高于 20000 才可浏览,您当前积分为 0
    - v: e+ I8 O5 B3 s5 s. o& T' f
    - C% E3 {7 `7 [  t5 j# `/ r* z
    两个隐藏内容完全一样。
    $ g  O0 g; h# r9 X0 u4 R
    7 O4 @( A3 s' i0 B* ?( t
    游客,如果您要查看本帖隐藏内容请回复
    欢迎提建议7 a# G/ f( h% k7 x, U; u
    ⚜ 感兴趣可以看看我的其他字典,绝大部分都公开分享。
    ! c# ]# y6 N; f& ?
    / [9 n- j& I( J- c1 d- P/ w" K
    ' l7 g$ [& S0 q2 Q; p/ h  L* U
    . b. I. U- h/ y3 ~8 A! c/ F. S+ }) ^- p

    + @. l5 E$ ], z/ m% g! h. z0 I5 Z' j: }2 \" z" |

    评分

    5

    查看全部评分

    本帖被以下淘专辑推荐:

  • TA的每日心情
    慵懒
    2020-9-24 22:45
  • 签到天数: 510 天

    [LV.9]以坛为家II

    发表于 2019-10-9 08:44:33 | 显示全部楼层
    谢谢L大,等了1年了。
  • TA的每日心情
    擦汗
    昨天 09:26
  • 签到天数: 349 天

    [LV.8]以坛为家I

    发表于 2019-12-6 14:19:04 | 显示全部楼层
    我的是Python3.7的,genMDX_ox4.py文件里面的
    : c& D: d) M  rimp.reload(sys)改为:; B/ W1 T* Z$ a5 l' ~' N1 l
    import importlib
    # g2 P4 R3 `1 n- m# kimportlib.reload(sys)* l; Y! y) X/ E
    然后删掉:sys.setdefaultencoding("utf-8")
    & N$ o% W7 j6 l7 @  k测试通过。
    " w8 J8 V6 J; |
    ; y" J( S6 q* t% Y4 t& o但是生成的词典,用SourceEditor打不开,PC版GoldenDict,安卓版欧路可以打开。汇报完毕。

    评分

    1

    查看全部评分

  • TA的每日心情
    开心
    2018-8-8 03:13
  • 签到天数: 1 天

    [LV.1]初来乍到

    发表于 2019-10-9 07:09:48 | 显示全部楼层
    感謝 lgmcw 兄:
      d" d) d/ F! f- {% l: |  }分享
    【支持超大文件】Python打包MDX词典工具

    * \% x, \5 H; D2 x1 ]非常需要此超大文件打包, 有的文件再合併後再用 mdxbuilder 打包MDX弄不出來
    - V, I9 Y" ]: L( e7 N2 |) K* ^謝謝仁兄分享此重量級工具
    . w) q: A/ r, l) e4 q
  • TA的每日心情
    擦汗
    2020-6-14 13:39
  • 签到天数: 159 天

    [LV.7]常住居民III

    发表于 2019-12-9 09:53:05 | 显示全部楼层
    反馈个问题,直接跑大佬的源码,在mac上会报如下错误:5 n, Q( Y! X# T. g
    Traceback (most recent call last):' Z) t( r- }7 s+ A) V
      File "genMDX_ox4.py", line 14, in <module>
    / I6 _- r3 z! G+ T    reload(sys)
    ! n; |6 |7 J; f5 ~* r- h9 e, }0 TNameError: name 'reload' is not defined! @( x2 V* _& C, E# x# \8 w/ |3 o6 d
    & _( k+ @& X" A: k: {
    解决:( l% N* f6 ?8 }$ y  k8 |6 m1 S" ^
    注释掉文件line14和line15,即可

    点评

    应该是python3和python2.7的区别  发表于 2019-12-9 10:15

    评分

    1

    查看全部评分

  • TA的每日心情
    开心
    2019-3-26 21:36
  • 签到天数: 178 天

    [LV.7]常住居民III

    发表于 2019-10-12 15:33:11 | 显示全部楼层
    本帖最后由 流星冲击 于 2019-10-12 15:37 编辑
    5 }! I1 _  x0 U- U6 `
    1 R7 V( z7 y2 z1. 在代码里,以前一个字典的key只能对应唯一个value。而MDict完全支持多个相同词头对应多个意思。所以我改了代码,让一个字典的key可以对应多个value。/ k9 F0 `7 s5 ^0 u+ I

    + N. o# a5 }+ a  V; x之前我和zzzz_sleep讨论过“以前一个字典的key只能对应唯一个value”的问题,他给出的方法是让类Mdict套壳的软件/app的作者去解决,例如用@@@link和a href=词头#锚跳相混合实现查询多个value的方式(具体zzzz_sleep给出的代码的用法我也忘记了,不过印象中还是基于一个key对应一个value的用法),现在楼主这个工具直接从代码层修改一个key对应多个value,这个要给个赞!
    5 b1 J8 y" [! M- S5 ~6 q/ W/ o' H% z& J1 {6 C3 D, W- @- D  D
    2. 修改排序算法,原版是用的默认python排序,输出的文件在MDict简直不能查。GD勉强能查。2 O  C% [9 |& u" i) h8 D" B4 V, M$ P

    " v6 o' ]5 d5 d) i我没用Mdict_PC来查询生成的mdx,对于GoldenDict,我看了某些帖子的说法,GD是全部提取mdx的headwords为一个缓存文件而不依赖原生的mdx算法的排序的,相同词头(例如a和A)是以类似多本词典联合查询单词的方式在一个页面内列出所有a和A词头的内容的,如果GD不依赖原生的mdx算法排序,楼主说“GD勉强能查”是单词基本能查询,不过不按照Azure排序(dot,doT,dOt...)这样排列下来?
    5 c! g) h. `: Z; U手机端的app,以Azure排序,单本词典查询的模式下,安卓mdcit和平典app(平典app可能有些带符号的单词查不到什么的,平典以前的国庆版本就查不到楼主你用python生成的新牛津v2.3.0 beta的单词词头)查询是完美支持这种排序的,而不是原生A再到a这样下来。深蓝dict不能单本词典模式查词,所以不能看到多个a和A,a和A的内容会挤在一个界面,由于不能单本查词,ff大的朗文5++ v1.3.5的气球在滑动单词页面时不能固定在右下角(直接在单词页面最右下角,对于长内容,需要滑动到页面最底部)。欧路app未测试。
  • TA的每日心情
    无聊
    2020-5-6 21:33
  • 签到天数: 20 天

    [LV.4]偶尔看看III

    发表于 2019-10-9 09:06:01 | 显示全部楼层
    谢谢l大,准备考研结束后就折腾折腾
  • TA的每日心情
    开心
    2020-1-5 08:04
  • 签到天数: 50 天

    [LV.5]常住居民I

    发表于 2019-10-9 08:19:19 | 显示全部楼层
    謝謝分享此重量級工具,感谢 !

    点评

    如果是古籍文献,有可能需要用UTF-16。要自己摸索一下修改入口文件。  发表于 2019-10-10 01:04
  • TA的每日心情
    开心
    2020-10-13 08:56
  • 签到天数: 218 天

    [LV.7]常住居民III

    发表于 2019-10-9 06:37:56 | 显示全部楼层
    先收藏再研究,谢谢分享
  • TA的每日心情

    2020-2-6 07:26
  • 签到天数: 129 天

    [LV.7]常住居民III

    发表于 2019-10-9 07:00:20 | 显示全部楼层
    thanks a lot
  • TA的每日心情
    奋斗
    2020-4-24 14:14
  • 签到天数: 209 天

    [LV.7]常住居民III

    发表于 2019-10-9 07:54:53 | 显示全部楼层
    謝謝分享資源
  • TA的每日心情
    开心
    3 小时前
  • 签到天数: 1098 天

    [LV.10]以坛为家III

    发表于 2019-10-9 08:05:03 | 显示全部楼层
    好东西,学习学习,谢谢楼主分享技术
  • TA的每日心情
    开心
    29 分钟前
  • 签到天数: 538 天

    [LV.9]以坛为家II

    发表于 2019-10-9 08:28:06 | 显示全部楼层
    学习,谢谢楼主分享技术,争取以后逐步从小白玩家进化到硬核玩家。
  • TA的每日心情
    奋斗
    昨天 07:58
  • 签到天数: 469 天

    [LV.9]以坛为家II

    发表于 2019-10-9 09:07:57 | 显示全部楼层
    非常感谢你的分享。
  • TA的每日心情
    奋斗
    昨天 00:12
  • 签到天数: 222 天

    [LV.7]常住居民III

    发表于 2019-10-9 09:21:53 | 显示全部楼层
    好东西 谢谢分享
  • TA的每日心情
    无聊
    昨天 12:12
  • 签到天数: 663 天

    [LV.9]以坛为家II

    发表于 2019-10-9 09:30:46 | 显示全部楼层
    請問 mdxbuilder 目前能處理的文檔大概是多大?
  • TA的每日心情

    2019-9-20 08:37
  • 签到天数: 214 天

    [LV.7]常住居民III

    发表于 2019-10-9 10:06:07 | 显示全部楼层
    还是可以指定输入文件的命令行方式不较好3 h* ?8 D/ y+ }3 t" n
    比如 python genMDX.py source.txt about.txt
  • TA的每日心情

    2020-10-16 12:39
  • 签到天数: 254 天

    [LV.8]以坛为家I

    发表于 2019-10-9 10:14:53 | 显示全部楼层
    emmm论坛有个excel转mdx的工具很不好用。。。
  • TA的每日心情

    2020-7-9 11:09
  • 签到天数: 517 天

    [LV.9]以坛为家II

    发表于 2019-10-9 16:54:33 | 显示全部楼层
    感谢分享,看看,学习一下
  • TA的每日心情
    奋斗
    2020-3-14 07:50
  • 签到天数: 245 天

    [LV.8]以坛为家I

     楼主| 发表于 2019-10-10 01:02:33 | 显示全部楼层
    HMPT 发表于 2019-10-9 10:06
    8 {7 \4 K) r# B$ z还是可以指定输入文件的命令行方式不较好( b; |+ x9 E8 ]0 T% ~
    比如 python genMDX.py source.txt about.txt ...

    ! T# ?2 h) n9 @; T这个其实改一下入口文件就能实现,应该不难的。
  • TA的每日心情
    奋斗
    2020-3-14 07:50
  • 签到天数: 245 天

    [LV.8]以坛为家I

     楼主| 发表于 2019-10-10 01:03:25 | 显示全部楼层
    本帖最后由 lgmcw 于 2019-10-10 01:58 编辑 & t8 E! z' U8 z4 _$ d2 V
    oversky 发表于 2019-10-9 09:30
    0 p" A% K" Y* R8 c% ]( Z, g6 d/ x請問 mdxbuilder 目前能處理的文檔大概是多大?

    # j' o" J& N2 m0 g. t1 K你可以咨询一下@喬治兄 ,他可是屡屡遇到上限。
  • TA的每日心情
    无聊
    昨天 12:12
  • 签到天数: 663 天

    [LV.9]以坛为家II

    发表于 2019-10-10 07:27:37 | 显示全部楼层
    lgmcw 发表于 2019-10-10 01:03
    $ t7 Z( B+ t! [( ]: x& C你可以咨询一下@喬治兄 ,他可是屡屡遇到上限。

    8 D% t/ }/ |+ b9 R% X  _$ ^谢谢您的指引。

    该用户从未签到

    发表于 2019-10-10 11:24:07 | 显示全部楼层
    很有用的工具
  • TA的每日心情
    开心
    2020-10-8 22:45
  • 签到天数: 101 天

    [LV.6]常住居民II

    发表于 2019-10-10 11:45:08 | 显示全部楼层
    非常感谢分享!
  • TA的每日心情
    奋斗
    2020-3-14 07:50
  • 签到天数: 245 天

    [LV.8]以坛为家I

     楼主| 发表于 2019-10-12 12:38:31 | 显示全部楼层
    喬治兄 发表于 2019-10-9 07:09
    0 y8 J! p/ c. ]感謝 lgmcw 兄:  W9 p; l  E+ \6 v7 ?' S) c7 K* p
    分享  
    % L- n- c) o  G  c3 m非常需要此超大文件打包, 有的文件再合併後再用 mdxbuilder 打包MDX弄不出來

    ! y: \( v) A& H: _4 @1 {" {4 }1 k. A: y兄弟可测试通过,此工具可还好用?
  • TA的每日心情
    开心
    2018-8-8 03:13
  • 签到天数: 1 天

    [LV.1]初来乍到

    发表于 2019-10-12 12:48:11 | 显示全部楼层
    lgmcw 发表于 2019-10-12 12:386 @2 |! j0 L5 r3 ]8 i+ h0 k
    兄弟可测试通过,此工具可还好用?

    4 p) l- ~! t! b# P謝謝 lgmcw 兄關心,小弟還未試呀,小弟會盡快試試,若有困難再向仁兄請益,謝謝啦!
    您需要登录后才可以回帖 登录 | 免费注册

    本版积分规则

    顶部qrcode底部
    关注掌上百科官方微信公众号送论坛充值码
    关注掌上百科官方微信公众号
    关注微信公众号 pdawiki,获取邀请码,看文抢积分,抽奖得浮云! Follow our Wechat official account "pdawiki", get invitation codes, and play the lottery to earn points (积分)!

    小黑屋|手机版|Archiver|PDAWIKI |网站地图

    GMT+8, 2020-10-24 10:56 , Processed in 0.072899 second(s), 13 queries , MemCache On.

    Powered by Discuz! X3.4

    Copyright © 2001-2020, Tencent Cloud.

    快速回复 返回顶部 返回列表